| dc.contributor.advisor | Περατικού, Αδαμαντίνη | |
| dc.contributor.author | Ιωάννου, Παναγιώτα | |
| dc.contributor.other | Ioannou, Panagiota | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2023-08-22T10:29:10Z | |
| dc.date.available | 2023-08-22T10:29:10Z | |
| dc.date.copyright | 2023-08-22 | |
| dc.date.issued | 2023-05 | |
| dc.identifier.other | ΑΥΔ/2023/00119 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/5652 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Η ραγδαία ανάπτυξη της τεχνολογίας έχει συμβάλει στη βελτίωση σε διάφορους τομείς της ζωής των ανθρώπων οι οποίοι βασίζουν τις δραστηριότητες τους, την επεξεργασία και την αποθήκευση των δεδομένων στα πληροφοριακά συστήματα όπου αναπόφευκτα γίνονται συχνοί στόχοι κακόβουλων επιθέσεων στον κυβερνοχώρο. Η εισαγωγή της μηχανικής μάθησης έχει σαν κύριο μέλημα να βελτιώσει τη λειτουργία των υφιστάμενων συστημάτων σε διάφορους τομείς θέτοντας ως προτεραιότητα την αποτροπή πιθανών επιθέσεων από τους κυβερνοεγκληματίες. Η αποτροπή αυτή επιτυγχάνετε μέσο της διαδικασίας δοκιμής διείσδυσης, η οποία εκτελείται από τις διάφορες ομάδες «Red Teams» με σκοπό την διερεύνηση, τον εντοπισμό και την βελτίωση των διαφόρων ευάλωτων σημείων στα πληροφοριακά συστήματα. Συνεπώς η συνεχής εκπαίδευση των ομάδων αυτών σε νέες τεχνολογίες και η επίγνωση τους στα νέα διαθέσιμα εργαλεία είναι αναπόφευκτο στοιχείο ώστε να τους καθιστά εξίσου ευρηματικούς και επίδοξους όσο τους κυβερνοεγκληματίες.
Στόχος της παρούσας μεταπτυχιακής διατριβής είναι η εις βάθος διερεύνηση των υφιστάμενων εργαλείων μηχανικής μάθησης που χρησιμοποιούνται κατά τη διαδικασία δοκιμής διείσδυσης, η αξιολόγηση της λειτουργικότητας και της αποτελεσματικότητας τους στην συλλογή πληροφορίων και στον εντοπισμό των ευπαθειών των πληροφοριακών συστημάτων. Επιπρόσθετα, γίνεται χρήση των εργαλείων αυτών που έχουν επιλεγεί σε εικονικές επιθέσεις στο περιβάλλον «Cyber Range» ώστε να καταστεί εφικτή η εξοικείωση και εκπαίδευση των «Red Teams» στα εργαλεία αυτά. | el_GR |
| dc.format.extent | ix, 77 σ. ; 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | en | el_GR |
| dc.publisher | Ανοικτό Πανεπιστήμιο Κύπρου | el_GR |
| dc.rights | info:eu-repo/semantics/openAccess | el_GR |
| dc.subject | Cyber ranges | el_GR |
| dc.subject | Μηχανική μάθηση | el_GR |
| dc.subject | Machine learning | el_GR |
| dc.title | Machine Learning for Red Team Attacks in Cyber Range | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | The rapid development of technology has contributed to the improvement in various domains in people’s lives who base their activities, the processing and storage of their data on information systems which they inevitably become frequent targets of malicious cyber-attacks. The introduction of Machine Learning has its main concern to improve the functionality of the existing systems in various sectors by prioritizing the prevention of potential attacks by cybercriminals. The prevention is achieved through the Penetration Testing process, which is performed by the “Red Teams” in order to investigate, identify and improve the vulnerabilities in the information systems. Therefore, the continuous training of these teams in new technologies and their awareness of the new available tools is inevitable in order to make them as resourceful and ambitious as cybercriminals.
The aim of this master’s dissertation is the in-depth investigation of the existing Machine Learning tools that are used during the Penetration Testing process, the evaluation of their functionality and their effectiveness in information gathering and identifying the vulnerabilities of the information systems. Moreover, the tools that have been selected are used in virtual attacks in the “Cyber Range” environment to enable familiarization and training of the Red Teams in these tools. | el_GR |
| dc.format.type | pdf | el_GR |
